Глоссарий ИИ
Полный словарь искусственного интеллекта
Encodeur Audio
Module, souvent basé sur un VQ-VAE ou un autoencodeur, qui compresse une forme d'onde audio brute en une représentation latente de plus faible dimension, plus adaptée pour être traitée par le processus de diffusion.
Décodeur Audio
Réseau neuronal qui reconstruit une forme d'onde audio audible à partir de la représentation latente débruitée produite par le modèle de diffusion, finalisant ainsi le processus de génération.
Pas de Temps (Timestep) de Diffusion
Variable discrète représentant une étape spécifique dans le processus de bruitage ou de débruitage, contrôlant le niveau de bruit appliqué et guidant le modèle à travers la transformation du bruit pur en signal audio cohérent.
Inférence Guidée par Classifier
Méthode d'inférence qui utilise un classificateur pré-entraîné pour guider le processus de débruitage vers une sortie appartenant à une classe spécifique (par exemple, 'voix masculine', 'piano'), sans modifier les poids du modèle de diffusion.
Modèle de Diffusion à Débit Constant (Consistency Model)
Famille de modèles de diffusion conçus pour générer des échantillons de haute qualité en une seule étape ou en très peu d'étapes, en apprenant à maintenir la cohérence entre les différents niveaux de bruit, réduisant ainsi drastiquement le temps d'inférence.
Planner de Vélocité
Stratégie de planification pour le processus de débruitage qui détermine la séquence des pas de temps (timesteps) à utiliser lors de l'inférence, optimisant le compromis entre la qualité du son généré et le nombre d'étapes de calcul requises.
Audio à Haute Résolution
Objectif des modèles de diffusion audio avancés, visant à générer des formes d'onde avec des taux d'échantillonnage élevés (ex: 48kHz) et une grande profondeur de bits (ex: 24-bit), approchant ou dépassant la qualité des enregistrements professionnels.
Modèle de Diffusion Stochastique
Approche de diffusion où le processus de débruitage inclut une composante aléatoire à chaque étape, permettant une plus grande diversité et créativité dans les générations audio, au prix d'une reproductibilité plus faible.
Детерминированная модель диффузии
Вариант процесса диффузии, где удаление шума следует предсказуемой траектории без случайности, что способствует согласованности и стабильности результатов для одного и того же входа, часто используется для приложений точного ресинтеза.
Модель диффузии речи (Speech Diffusion Model)
Специализация моделей аудиодиффузии, обученных исключительно на речевых данных, направленная на генерацию естественных и выразительных голосов с точным контролем говорящего, интонации и эмоций.
Музыкальная модель диффузии (Music Diffusion Model)
Применение диффузии к генерации музыки, где модель изучает гармонические, ритмические и мелодические структуры для составления целых музыкальных произведений или согласованных инструментальных сэмплов.
Линейная выборка (Linear Sampling)
Стратегия вывода, где временные шаги удаления шума равномерно распределены на временной шкале процесса, простой подход, но иногда неоптимальный для окончательного качества звука.
Логарифмическая выборка (Log-Sampling)
Стратегия вывода, которая концентрирует этапы удаления шума в начале процесса (когда сигнал очень зашумлен) и разделяет их к концу, что оказалось более эффективным для захвата низкочастотных звуковых структур.